論文の概要: Curve fitting on a quantum annealer for an advanced navigation method
- arxiv url: http://arxiv.org/abs/2402.15308v1
- Date: Fri, 23 Feb 2024 13:13:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-26 14:30:53.343758
- Title: Curve fitting on a quantum annealer for an advanced navigation method
- Title(参考訳): 先進航法における量子アニールのカーブフィッティング
- Authors: Philipp Isserstedt, Daniel Jaroszewski, Wolfgang Mergenthaler, Felix
Paul, Bastian Harrach
- Abstract要約: 与えられたデータ点の集合を近似し、標準化された関数の有限線型結合として記述される関数を考える。
実単語の場合、動的プログラミングの枠組みを用いて船体に最適化された速度プロファイルを求める問題について議論する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We explore the applicability of quantum annealing to the approximation task
of curve fitting. To this end, we consider a function that shall approximate a
given set of data points and is written as a finite linear combination of
standardized functions, e.g., orthogonal polynomials. Consequently, the
decision variables subject to optimization are the coefficients of that
expansion. Although this task can be accomplished classically, it can also be
formulated as a quadratic unconstrained binary optimization problem, which is
suited to be solved with quantum annealing. Given the size of the problem stays
below a certain threshold, we find that quantum annealing yields comparable
results to the classical solution. Regarding a real-word use case, we discuss
the problem to find an optimized speed profile for a vessel using the framework
of dynamic programming and outline how the aforementioned approximation task
can be put into play.
- Abstract(参考訳): 曲線フィッティングの近似タスクに対する量子アニーリングの適用性について検討する。
この目的のために、与えられたデータ点の集合を近似し、例えば直交多項式のような標準関数の有限線型結合として記述する関数を考える。
したがって、最適化される決定変数はその拡張の係数である。
この課題は古典的に達成できるが、量子アニーリングで解くのに適した二次的非拘束二元最適化問題としても定式化できる。
問題の規模が一定のしきい値以下であることを考えると、量子アニールは古典解に匹敵する結果をもたらす。
実単語のユースケースについて,動的プログラミングのフレームワークを用いて容器の速度プロファイルを最適化することの問題点を考察し,上記の近似タスクがどのように機能するかを概説する。
関連論文リスト
- Quantum speedups for stochastic optimization [25.931073782134657]
オラクルに対する量子振動の連続関数を最小化する問題を考察する。
リプシュ・アヴィッツ関数を最小化するための2つの新しい方法を提案する。
論文 参考訳(メタデータ) (2023-08-03T07:39:10Z) - The Curse of Unrolling: Rate of Differentiating Through Optimization [35.327233435055305]
未分化は反復解法を用いて解を近似し、計算経路を通して解を微分する。
我々は,(1)高速収束につながる大きな学習率を選択することができるが,アルゴリズムが任意に長いバーンインフェーズを持つことを受け入れるか,あるいは(2)即時収束につながるより少ない学習率を選択するかのどちらかを示す。
論文 参考訳(メタデータ) (2022-09-27T09:27:29Z) - Twisted hybrid algorithms for combinatorial optimization [68.8204255655161]
提案されたハイブリッドアルゴリズムは、コスト関数をハミルトニアン問題にエンコードし、回路の複雑さの低い一連の状態によってエネルギーを最適化する。
レベル$p=2,ldots, 6$の場合、予想される近似比をほぼ維持しながら、レベル$p$を1に減らすことができる。
論文 参考訳(メタデータ) (2022-03-01T19:47:16Z) - Quadratic Unconstrained Binary Optimisation via Quantum-Inspired
Annealing [58.720142291102135]
本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。
我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
論文 参考訳(メタデータ) (2021-08-18T09:26:17Z) - Quantum constraint learning for quantum approximate optimization
algorithm [0.0]
本稿では,探索部分空間を厳しく制約するミキサーハミルトンを学習するための量子機械学習手法を提案する。
学習したユニタリを直接適応可能なアンサッツを使用してQAOAフレームワークにプラグインすることができる。
また,Wasserstein距離を用いた近似最適化アルゴリズムの性能を,制約なしで評価する直感的計量法を開発した。
論文 参考訳(メタデータ) (2021-05-14T11:31:14Z) - Q-Match: Iterative Shape Matching via Quantum Annealing [64.74942589569596]
形状対応を見つけることは、NP-hard quadratic assignment problem (QAP)として定式化できる。
本稿では,アルファ拡大アルゴリズムに触発されたQAPの反復量子法Q-Matchを提案する。
Q-Match は、実世界の問題にスケールできるような長文対応のサブセットにおいて、反復的に形状マッチング問題に適用できる。
論文 参考訳(メタデータ) (2021-05-06T17:59:38Z) - Progress toward favorable landscapes in quantum combinatorial
optimization [0.0]
アルゴリズム最適化問題 MaxCut の解法に着目する。
古典的な最適化ランドスケープの構造は、MaxCut関数を評価するために使用される量子回路とどのように関係するかを考察する。
論文 参考訳(メタデータ) (2021-05-03T18:38:53Z) - Warm-starting quantum optimization [6.832341432995627]
最適化問題の緩和解に対応する初期状態を用いて量子最適化を温める方法について論じる。
これにより、量子アルゴリズムは古典的なアルゴリズムの性能保証を継承することができる。
同じ考えを他のランダム化ラウンドスキームや最適化問題に適用するのは簡単である。
論文 参考訳(メタデータ) (2020-09-21T18:00:09Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳(メタデータ) (2020-06-11T17:43:19Z) - Gradient-Free Methods for Saddle-Point Problem [125.99533416395765]
我々はGasnikov et al., 2017のアプローチを一般化し、不正確な勾配のないオラクルで(確率的な)凸最適化問題を解けるようにした。
我々のアプローチは、$fracnlog n$ の要求するオラクル呼び出しの回数を削減します。
論文の後半では、そのような仮定ができない場合を分析し、この問題を解決する方法の近代化方法に関する一般的なアプローチを提案する。
論文 参考訳(メタデータ) (2020-05-12T16:44:27Z) - Cross Entropy Hyperparameter Optimization for Constrained Problem
Hamiltonians Applied to QAOA [68.11912614360878]
QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。
このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。
本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
論文 参考訳(メタデータ) (2020-03-11T13:52:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。